基于隶属函数值的芝麻萌发及幼苗期耐盐性体外筛选研究

《Scientific Reports》：An in vitro framework for screening salinity tolerance in sesame (Sesamum indicum L.) using a trait based and membership function approach

　　

摘要

本研究评估了一百四十四种不同的Sesamum indicum L.（芝麻）基因型，旨在建立一套高效的体外筛选框架，用于发现芝麻在萌发和幼苗早期阶段的耐盐性。为了确定最佳筛选盐浓度，随机选取了15个代表性基因型的种子，在完全随机设计（CRD）下设置四个重复，于七个NaCl浓度（0、25、50、75、100、125、150和175 mM NaCl）下进行体外萌发。记录了包括发芽率、苗长、根长、幼苗鲜重和幼苗干重在内的形态学特征，并利用盐伤害指数（SII）确定最佳筛选浓度。基于约50%的平均生长抑制率，确定125 mM NaCl为最佳浓度，随后在相同实验条件下利用该浓度检测全部144个基因型的耐盐性。耐盐性评估采用隶属函数值（MFV），将基因型分为五个类别：高度耐盐（HST）10个、耐盐（ST）6个、中度耐盐（MST）105个、感盐（SS）14个和高度感盐（HSS）9个。相关性和多元回归分析表明，苗长是快速评估耐盐性最准确的特征，与综合耐盐指数和隶属函数值（MFV）的相关性最高。所提出的基于隶属函数值（MFV）的筛选方法为芝麻幼苗期耐盐性检测提供了一种快速、可重复且成本效益高的方法，并为选择耐盐育种项目中的潜在亲本系提供了有用的工具。本研究是首个针对芝麻大规模体外耐盐筛选的全面性状基础隶属函数框架，为将表型筛选与未来分子育种方法相结合提供了可行的基础。